哥本哈根大学的一项新研究表明，人工智能 (AI) 可以彻底改变我们评估乳腺癌风险的方式。乳腺癌是全世界最常见的癌症之一。仅在美国，每年就有 287,850 例新病例和 43,250 例死亡。这项发表在《柳叶刀数字健康》上的新研究提出了基于人工智能模型的有希望的结果，这些模型经过训练可以检测细胞衰老，并且可以比当前的临床基准更有效地预测未来乳腺癌的风险。

首先是基础知识——什么是细胞衰老？这是受损或老化细胞停止分裂但保持活跃的过程。它通常与衰老相关疾病有关，包括癌症。这些“衰老”细胞有时被称为“僵尸细胞”，因为它们不再正常运作，但仍然发出炎症信号，这可能导致肿瘤生长。虽然衰老可以作为不受控制的细胞分裂的自然刹车，但矛盾的是，它也可以通过这些炎症信号促进癌症，称为衰老相关分泌表型（SASP）。

到目前为止，由于缺乏特定的生物标志物，测量人体组织的衰老一直很困难。然而，哥本哈根大学的研究使用深度学习人工智能来分析乳腺组织样本中的核形态（细胞核的形状）。其作用是，它可以根据衰老细胞的变化（甚至是健康的活检样本）来预测乳腺癌风险。

研究人员利用 4,382 名健康女性的乳腺组织活检进行了一项回顾性队列研究。使用称为核衰老预测器 (NUSP) 的深度学习工具对这些样本进行了分析。 AI 模型检查了各种组织类型中超过 3200 万个细胞核，以检测衰老细胞并确定它们在组织内的分布。通过仔细评估上皮、脂肪和基质组织中的这些衰老细胞，人工智能系统能够将衰老模式与未来的癌症风险联系起来。作为参考，上皮组织形成体内腺体和表面的内层，包括乳腺导管，癌症经常从这里开始。脂肪组织由储存能量的脂肪细胞组成，基质组织为器官提供结构支持，包括包围和支持上皮细胞的结缔组织。

总体结果更多而不仅仅是有希望。组织样本显示特定衰老模式的女性患乳腺癌的可能性较高或较低，具体取决于检测到的衰老类型。例如，一种模型（针对 DNA 损伤引起的衰老进行训练）表明，当组织中存在高水平的衰老细胞时，癌症风险较高。另一个模型（经过药物诱导衰老训练）表明具有保护作用，降低了相同的风险。

与目前预测乳腺癌风险的临床金标准 Gail 模型相比，AI 模型表现出了远超预期的准确性。与盖尔评分相结合时，人工智能模型将优势比（衡量某些风险因素预测结果的强度的指标）提高到 4.70，几乎是盖尔评分单独预测能力的五倍。

这一突破如果商业化，可以为临床医生提供一种更精细的方法来识别高风险个体并提供急需的干预措施。在乳腺癌发生前几年预测乳腺癌风险的能力可能会导致更早的诊断和更个性化的筛查计划，减少对低风险女性的不必要测试，并增加对高风险个体的监测。

人工智能在这里潜力巨大，尤其是在推进癌症诊断方面。尽管该技术仍在开发中（并且将持续相当长的时间），但其应用可能会彻底改变乳腺癌筛查。通过使用标准组织样本，这种人工智能方法可以在全球范围内部署。

虽然需要大量额外的研究来完善上述模型，但改进的风险预测可能会导致更早的癌症检测、更有效的治疗计划，并最终降低乳腺癌的死亡率。这是每个人都可以支持的人工智能的现实应用。